核心岗位方向
01 世界模型算法
负责具身世界模型与物理推演模型的研究与落地，构建机器人对真实物理世界的状态理解、动作后果预测、失败风险评估与闭环仿真能力，支撑机器人策略训练、评测、规划和持续进化。
•多视角视频生成与 4D表征
• 世界动作模型 WAM
•神经仿真 World Simulator
• 物理交互预测
• Verifier / Value Model
• VLA / WAM
02 具身Agent算法
负责具身智能体高层决策、任务规划与自主推理能力建设，构建机器人面向开放任务的理解、分解、推演、评估、记忆与重规划能力，支撑机器人完成长程、复杂和动态变化的真实环境任务。
• Embodied Agent / 具身智能体
• Task Planning / Long-Horizon Planning
• Reasoning / Reflection / Replanning
• VLM-based Agent
• Memory / Skill Library
• Tool Use / Code-as-Policy
• Verifier / Critic for Agent
03空间智能算法
研究空间智能相关算法，探索机器人对空间世界的感知、理解与决策控制能力。
• 空间感知与定位
• 重建与生成
• VLN / Embodied Navigation
• EgoCentric
04 具身算法
负责具身智能核心算法研究与落地，支撑机器人智能体在真实环境中的感知、决策与控制能力。
• 多模态基座大模型
• 多源数据与训练范式
• Pre-training / Post-training / RL
• Dexterous Manipulation / 灵巧手
• 数据引擎与主动学习
• 预训练基座与数据混合策略
05 运控算法
负责机器人运动规划与控制相关算法研发，涵盖手部、足式、轮式等多构型机器人的运动能力建设。
• 规划算法
• 全身运控（WBC）
• 感控融合
• Loco-Motion / Loco-Manipulation
• 力控算法
• 灵巧手
06 多模态交互算法
研究多模态感知与交互技术，支撑机器人与人类、环境之间的自然交互能力。
• 多模态交互算法
07 具身智能物理引擎仿真/ 重建与生成算法
负责具身智能仿真物理引擎及重建与生成相关算法研发，支持仿真环境中的大模型训练和评测。
• 物理引擎仿真算法
• 智能重建与生成算法
08 Al Infra
负责具身智能训练与推理相关基础设施平台建设，保障大规模算法训练的稳定与高效。
• 云端计算引擎工程师
• 训练 Al Infra 系统优化工程师
• 模型推理 Al Infra 开发工程师
• 具身智能算法工程师（预训练 Infra 方向）
• 具身智能算法工程师（后训练 Infra 方向）
• 具身智能算法工程师（训练效率方向）
09 数据 Infra
负责数据的存储、计算、清洗、预标、脱敏、加速访问、安全等业务的研发，保障数据的一致性、低成本存储、快速的处理与交付效率。
• 数据格式标准定义
• 数据处理方向
• 数据分析与挖掘
• 湖仓与流批一体
• 数据安全
• Al Agent方向
10 机器人本体系统
负责人形机器人本体系统的架构设计与工程落地，统筹「机械-硬件-动力-运控」全链路的系统级方案，构建机器人本体在性能、成本与可靠性之间的最优平衡，支撑关键部件与整机从设计走向可靠量产。
• 本体系统架构
• 关节模组系统
• 躯干与整机结构
• 系统建模与仿真
• 接口规范与系统集成
• 整机联调与系统验证
